【Python数据清洗】使用merge合并2个Dataframe报错:You are trying to merge on object and int64

最新推荐文章于 2023-04-19 11:47:31 发布
最新推荐文章于 2023-04-19 11:47:31 发布
阅读量4.3k 收藏 8
点赞数
分类专栏： Python数据清洗
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39885465/article/details/104476784
版权

merge(合并)2个Dataframe

test_1=pd.DataFrame(a)
test_2=pd.DataFrame(a)

出现错误You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

pd.merge(test_1,test_2,left_on='x_id',right_on='x_id',how='left')

出现错误You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat

在这里插入图片描述

最低0.47元/天 解锁文章
小猪课堂
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
TensorFlow报错：You are trying to merge on int64 and object columns.
weixin_44320224的博客
05-24 1656
报错详情 ValueError: You are trying to merge on int64 and object columns. If you wish to proceed you should use pd.concat 百度了半天的教程，最后在一篇教程的评论处看明白了错误的原因，我个人理解的错误的大致意思是用于合并的列的类型不一致，导致这两个表无法merge到一起。 修改 task1['uid'] = task1['uid'].apply(int)#利用apply将用于合并的列转
python:merge的用法
最新发布
m0_63227758的博客
05-15 1522
在Python的Pandas库中，merge函数是一种常用的工具，以下是merge。
python报错3-You are trying to merge on object and int64 columns
SissiZhang的博客
05-21 1万+
python报错： You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat 原因：因为连接的key,一个是字符型的，进object那个，看下类型肯定不是int，一个是int型的，所以需要让两个key类型一样。 解决办法：让两个key类型一样 例：（改数组...
ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should u
ustbbsy的博客
11-06 2万+
直接说原因 merge的第二个参数是字符串类型，转化成int 一探究竟 object and int64 是有位置的，分别是第一个参数和第二个参数 df1 = pd.DataFrame({"a":['13', "1", '1', '3'], "b":[1,1,1,1]}) df2 = pd.DataFrame({"a":[1, 2, 3, 4]}) pd.merge(df1, df2, on='a', how='inner') 然后就报错 ValueError: You are tryi...
python merge错误ValueError: You are trying to merge on object and int64 columns.
Hurpe
08-06 3075
python 在用merge函数的时候出现这种错误 ValueError: You are trying to merge on object and int64 columns. 查找原因： 发现原因是因为：数据库在同步的时候不知道是谁把字段tenant_id同步出来的时候一个是varchar在另外一张表中是int类型，转化成DataFrame的时候便出现了这种问题。 解决方法： 一、软转换（...
You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.conca
小僵尸打字员的博客
06-13 1万+
前言 是在用pandas合并Dataframe的时候遇到的这个问题, pd.merge(df_borough, df_price , how=‘left’, on=‘other_id’).fillna(value=0) 问题原因 问题的原因是两个Dataframe根据合并的字段other_id的类型不一样导致了这个问题, 说来也玄学…跑了很多其他都没事, 一模一样塞入的类型 解决 使用 df_bo...
DataFrame 数据合并实现(merge，join，concat)
09-16
主要介绍了DataFrame 数据合并实现(merge，join，concat)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
python merge、concat合并数据集的实例讲解
12-24
数据规整化：合并、清理、过滤 pandas和python标准库提供了一整套高级、灵活的、高效的核心函数和算法将数据规整化为你想要的形式！ 本篇博客主要介绍： 合并数据集：.merge()、.concat()等方法，类似于SQL或其他...
Pandas 合并多个Dataframe(merge,concat)的方法
01-20
在数据处理的时候，尤其在搞大数据竞赛的时候经常会遇到一个问题就是，多个表单的合并问题，比如一个表单有user_id和age这两个字段，另一个表单有user_id和sex这两个字段，要把这两个表合并成只有user_id、age、sex...
python 数据清洗之数据合并、转换、过滤、排序
01-20
数据清洗一直是数据分析中极为重要的一个环节。 数据合并 在pandas中可以通过merge对数据进行合并操作。 import numpy as np import pandas as pd data1 = pd.DataFrame({'level':['a','b','c','d'], 'numeber':[1...
ValueError: You are trying to merge on int64 and object columns. If you wish to proceed you should u
m0_46926492的博客
04-19 1419
【代码】ValueError: You are trying to merge on int64 and object columns. If you wish to proceed you should u。
Python报错：You are trying to merge on int64 and object columns. If you wish to proceed you should
NayelyA的博客
11-14 5008
报错代码： import pandas as pd ...... #使用自定义的列名，跳过文件中的头行，处理缺失值列表标记的缺失值 df = pd.read_csv(filename,skiprows=[0],names=names,na_values=miss_value) df_latlng = pd.read_csv("qingdao-latlng.csv",skiprows=[0],nam...
merge函数合并电子表格时，出现 You are trying to merge on int64 and object columns错误
asd_65的博客
05-12 2283
使用df_inner=pd.merge(df1,df,how=‘inner’)进行两个一样表格合并时，出现You are trying to merge on int64 and object columns. If you wish to proceed you should use pd.concat的错误提示。 首先按照提示改用concat函数，df_inner=pd.concat([df1,df]) 问题可以得到解决。如果坚持用merge函数，查阅网上资料，最好的方法是使用 df_borough.
Pandas pd.merge() 报错：ValueError: You are trying to merge on int64 and object columns.
三妹的博客
10-21 1万+
1、需求： df1 和 df2 按照 A, B 两列进行合并，假设 df1 为 A B C 三列，df2 为 A B D 三列，将其中A B 相同的列 merge 为 A B C D 四列。 outfile = pd.merge(df1, df2, how='left', on=['A','B']) 2、用 pandas 合并两个 CSV 文件时，报错信息如下： ValueError...
Python报错You are trying to merge on object and int64 columns.
TK_Phoenix的博客
03-21 4564
result= pd.read_excel('D:/1日常工作内容/每日销售开发业绩(Python)/20200302/配置信息/ebay.xlsx') result_saleid = pd.read_csv('D:/1日常工作内容/每日销售开发业绩(Python)/20200302/配置信息/ID.csv',encoding='gbk') resu...
Pandas合并2个Dataframe报错:You are trying to merge on object and int64 columns.
热门推荐
qq_41767930的博客
10-22 4万+
merge(合并)2个Dataframe total_df = pd.merge(base_df, article_df, how='inner', on=['article_id']) 出现错误You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat ...
ValueError: You are trying to merge on object and int64 columns
weixin_42594968的博客
10-18 1164
错误如下： ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat 原代码： pca = pd.read_csv("I:/1000GenomeProject/result/plink.eigenvec"," ",header=None) ped = pd.read_csv("I:/1000GenomeProject/result/2013
python中 join合并主键 出现的bugYou are trying to merge on object and int64 columns
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
12-25 407
代码: order.rename({'info_id':'order_id'},inplace=True) order_detail1 = detail1.join(order,on='order_id',rsuffix='1') print('订单详情表和订单信息表join合并后的形状为：',order_detail1.shape) 出现这样错误 解决方法发现 发现order[‘order_id’]和detail1[‘order_id’]的类型是object,将其转换成int类型就可以了 修改: o
ValueError: You are trying to merge on object and int64 columns. If you wish to proceed you should use pd.concat
05-25
这个错误是由于你正在尝试合并具有不同数据类型的列。一列是对象类型，另一列是int64类型。这通常发生在使用`pd.merge()`时。 要解决这个问题，你可以考虑使用`pd.concat()`而不是`pd.merge()`。`pd.concat()`可以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值